基于边缘信息和先验形状的水平集图像分割方法及其在病原菌识别中的应用

研究从多目标图像中自动提取单个目标的图像处理方法.从分析曲线的水平集表示入手,首先探讨了水平集动态轮廓分割和配准模型构建的统计思想和变分方法,然后针对多目标粘连图像的特点,提出了含边缘信息和先验形状的水平集图像分割模型,并将其应用于病原菌的识别.由于引入边缘信息改进对分割的约束,加强了目标边缘对分割轮廓的吸引,同时消除了一些由噪声、阴影和杂质造成的影响.实验表明,改进后的先验形状水平集图像分割方法能直接从多目标粘连图像中提取单个目标,进一步完善了依据显微镜图像识别病原菌的图像处理方法.     

基于改进CV模型的金相图像分割

对金相图像进行快速精确分割是金相晶粒评级的关键步骤,利用传统Chan-Vese（CV）模型很难将晶粒精确地提取出来.为了更加精确地对金相图像进行分割,提出一种基于改进CV模型的金相图像分割方法.初始化水平集函数,对曲线内外两部分分别计算其倒数坎贝拉距离,并将该距离的大小作为拟合中心的权重系数,有效抑制了噪声点对区域拟合中心准确性的影响;引入指数熵自适应调节曲线内外能量权重,减少固定能量权重对曲线演化的影响;同时加入距离规范项以避免水平集函数的重新初始化,加速该模型的收敛.实验结果表明,与传统CV模型、测地线活动轮廓模型、距离规范项的水平集模型以及偏置场修正水平集模型相比,所提方法分割出的金相图像更加精确,分割效率较高且模型收敛性较好.      

基于PSO的Live Wire交互式图像分割算法

传统Live Wire算法易受伪轮廓干扰,并且算法执行速度较慢.针对这些问题,提出一种基于PSO的Live Wire交互式图像分割算法.算法首先构造新的代价函数,引入相邻节点间梯度幅值变化函数来减轻伪轮廓的干扰,提高了算法的分割精度;其次,为了提高算法的执行效率,应用粒子群算法求取图像中任意两点间最短路径来定位目标边界,并与经典的基于Dijkstra动态规划图搜索的Live Wire算法进行比较.实验结果表明,与传统方法相比,所提算法在分割精度和执行效率上都有很大提高.     

基于贪婪Snake模型与多尺度分析的图像分割

为了准确分离目标区域,提出了一种基于贪婪Snake与多尺度图像增强相结合的新的轮廓分离模型.首先对输入的图像给定一个初始轮廓,然后应用多尺度分析进行图像增强,之后在不同的尺度中运用贪婪Snake模型进行轮廓的分离,最终分离出理想的目标轮廓.实验证明该方法提高了分割的精度.     

多指标指纹图像分割方法研究

将投票决策系统引入到指纹图像分割过程中,提出了一种多指标投票决策指纹图像分割方法.首先选择区域灰度方差、灰度均值、块方向方差均值和点方向集中度指标等分割指标,然后分别采用单指标、双指标、多指标分别对指纹图像进行分割处理,最后针对所获得的多个指纹图像分割结果,采用投票决策系统在结果层进行决策融合,获得最终的指纹图像分割结果.实验结果表明,算法具有更好的抗噪能力,对低质量指纹图像的分割效果更为理想,错分割、过分割等现象明显减少.     

造球机生球的视觉检测算法与系统设计

为了实现造球机生球粒径的自动检测,建立了生球粒径的视觉检测系统.针对生球相互粘连或重叠,以及生球与背景对比度差的问题,提出了基于高斯混合模型的图像分割及边缘提取算法.通过建立高斯混合模型的方法来分割重叠生球,分割后的生球是不完整的,采用基于最小二乘法的圆周拟合方法对生球缺失的轮廓进行重构.实验结果表明,采用本文提出的算...     

一种改进的转炉出钢下渣检测方法及其应用

 针对传统的完全基于灰度阀值分割算法的转炉出钢下渣检测方法在遇到出钢过程中的意外情况时,检测准确率下降的缺点,提出了一种改进的红外转炉出钢下渣检测方法。该方法首先利用分水岭分割的方法将转炉出钢图像分割成几个区域,再利用形态学方法对分割出的区域进行矩形拟合以获取准确的钢流图像区域,最后通过前后共4帧图像信息的加权来消除出钢过程中的异常情况对于检测准确性的影响。现场试验结果表明,所提出的改进方法对于提高红外转炉出钢下渣检测系统报警准确率,减小下渣到钢包的渣厚度以及提高系统稳定性方面效果显著。     

复杂环境下一种基于SiamMask的时空预测移动目标跟踪算法

随着无人工厂、智能安监等技术在制造业领域的深入应用,以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中,操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点,在动态图像中的实时分割较为困难。针对此问题,提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合,根据目标时空关系的在线学习,预测新的目标位置并对SiamMask模型进行算法校正,实现视频序列中的目标快速识别。实验结果表明,所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响,将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧,比改进前的SiamMask模型帧率每秒提高3.2帧,算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求,对移动目标识别算法模型的复杂环境应用具有借鉴意义。      

有监督的水平集高分辨SAR图像分割方法

针对基于统计模型的水平集SAR图像分割中参数估计耗时较多的问题,提出了一种有监督的高分辨SAR图像分割方法.该方法将Fisher分布和Gamma分布分别作为高分辨SAR图像的目标和背景统计模型,结合水平集方法推导了SAR图像分割水平集函数的能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,实现对高分辨SAR图像的分割.试验结果表明,该方法对高分辨SAR图像具有强散射点的目标分割更完整,并且比无监督统计模型分割方法分割速度更快.     

基于图像分割的噪声方差估计

提出一种基于图像分割的噪声方差两步估计算法.第一步,对含有噪声的图像进行平滑,再利用统计区域归并算法对图像进行分割,并计算每个区域的方差,根据统计规律选择适当的区域估计图像中噪声方差.第二步,利用初始估计的方差,修正平滑滤波、图像分割及噪声估计的参数,进行新一轮的平滑、分割和方差估计,得出更为准确的估计结果.在大量图像和不同噪声情况下的实验结果表明,该算法可以快速、准确地估计图像中噪声方差.